Phát hiện sự sống và giả mạo sinh trắc học là gì?

Nếu bạn dựa vào sinh trắc học để tuyển dụng hoặc xác thực, phát hiện sự sống (còn được gọi là phát hiện tấn công trình bày, PAD) là rất quan trọng để ngăn chặn giả mạo sinh trắc học—từ ảnh in và ảnh phát lại màn hình đến mặt nạ 3D và deepfake. Nếu được thực hiện đúng cách, tính năng phát hiện sự sống động chứng minh rằng có một con người sống tại cảm biến trước khi bất kỳ sự nhận dạng hoặc khớp nào xảy ra. 

Trả lời nhanh: Cách phát hiện sự sống động ngăn chặn việc giả mạo

Phát hiện sự sống phân biệt các tín hiệu sinh trắc học trực tiếp với tấn công trình bày (PA) sử dụng các gợi ý chủ động (ví dụ: chớp mắt, quay đầu, từ ngữ ngẫu nhiên) hoặc phân tích thụ động (ví dụ: kết cấu, phản ứng ánh sáng, tín hiệu độ sâu, chuyển động nhỏ). ISO/IEC 30107-3 quy định cách đánh giá và báo cáo PAD, cho phép so sánh các nhà cung cấp một cách chính xác.

Định nghĩa và khái niệm cốt lõi

Tấn công trình bày (PA): Bất kỳ nỗ lực nào nhằm phá hoại cảm biến sinh trắc học bằng hiện vật (ảnh, video, mặt nạ) hoặc phương tiện bị thao túng (phát lại, deepfake).

Phát hiện tấn công trình bày (PAD): Cơ chế phát hiện PA và báo cáo kết quả theo cách chuẩn hóa; ISO / IEC 30107-3 đưa ra các phương pháp thử nghiệm và báo cáo để người mua có thể so sánh các giải pháp. 

Việc giả mạo sinh trắc học đã phát triển. Các PAD ban đầu dựa vào hình ảnh in 2D; các cuộc tấn công mới hơn sử dụng hình ảnh phát lại OLED độ phân giải cao, mặt nạ 3D có kết cấu và deepfake do AI tạo ra. Các thuật toán PAD hiện đại phân tích các tín hiệu đa tín hiệu (ví dụ: kết cấu vi mô của da, phản ứng quang trắc, độ sâu/IR) để xác định xem mẫu có còn hoạt động hay không. 

Phát hiện sự sống động chủ động so với thụ động

• Sự sống động năng động: Người dùng phản hồi lời nhắc—nháy mắt, mỉm cười, rẽ trái/phải, nói một cụm từ. Ưu điểm: mô hình tinh thần đơn giản; mạnh mẽ trước các đòn tấn công 2D cơ bản. Nhược điểm: tăng độ khó; lời nhắc có thể bị học/giả mạo nếu được triển khai một cách ngây thơ. 
• Sự sống động thụ động: Không có lời nhắc. Mô hình suy ra độ sống động từ các tín hiệu tự nhiên (kết cấu, thị sai chuyển động, PPG từ xa, phản xạ ống kính). Ưu điểm: UX tuyệt vời; có thể mở rộng quy mô lên KYC khối lượng lớn. Nhược điểm: khó xây dựng hơn; phải theo kịp các PA và deepfake mới. 

Trong thực tế, nhiều nền tảng kết hợp cả hai thông qua thích ứng với rủi ro luồng: bắt đầu thụ động, tăng dần lên chủ động hoặc đa phương thức kiểm tra khi rủi ro cao (ví dụ: bất thường về vận tốc, TOR, mô phỏng thiết bị).

Các phương pháp phát hiện bạn sẽ thấy tại hiện trường

• Phân tích kết cấu và phản xạ: Da thể hiện kết cấu vi mô mịn và phản ứng quang học khác với màn hình và phương tiện in.
• Các chuyển động nhỏ và tín hiệu thời gian: Những cái chớp mắt không tự nguyện, cái lắc đầu nhẹ hoặc tín hiệu lưu thông máu qua các khung hình rất khó để tái hiện lại một cách thuyết phục.
• Cảm biến độ sâu và hồng ngoại: Ánh sáng có cấu trúc hoặc ToF có thể khiến việc giả mạo 2D không thành công; IR làm nổi bật sự khác biệt về vật liệu.
• Thách thức-phản ứng (chủ động): Các lời nhắc ngẫu nhiên làm tăng chi phí của kẻ tấn công.
• Đa phương thức: Kết hợp tín hiệu khuôn mặt, giọng nói và thiết bị có thể làm giảm thêm tình trạng chấp nhận sai.

Các nhà cung cấp mô tả các kỹ thuật này theo nhiều cách khác nhau, nhưng chúng đều tương ứng với các danh mục PAD được công nhận trong tài liệu ngành và hướng dẫn dành cho người mua.

Một số loại giả mạo sinh trắc học là gì?

Các loại giả mạo sinh trắc học khác nhau phù hợp với các phương thức xác thực khác nhau và khai thác điểm yếu của chúng. Do đó, các cuộc tấn công trình bày có thể nhắm vào một số phương thức sinh trắc học, bao gồm: